基于深度学习的MRI脑结构的自动细分:一个测试-复试可重现性分析
Tomasz Puzio1, Katarzyna Matera1, Jan Karwowski2
1Department of Diagnostic Imaging, Polish Mothers' Memorial Hospital - Research Institute, Lodz, Poland.
Computational and structural biotechnology journal
|April 24, 2025
概括
深度学习大脑MRI细分在相同的扫描仪类型上是可重现的. 使用不同类型的扫描仪 (1.5T与3T) 略有降低了一致性,突出显示了在脑缩监测中需要一致的协议.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经科学是一个神经科学.
背景情况:
- 在MRI中精确细分大脑结构对于诊断和监测神经疾病至关重要.
- 深度学习模型提供自动细分,但它们在不同MRI扫描仪中的可重复性需要评估.
- 磁场强度的变化 (1.5T与3T) 可能会影响细分精度.
研究的目的:
- 在MRI扫描中评估基于深度学习的自动脑结构细分在MRI扫描中的可重现性.
- 为了比较不同类型的扫描仪和磁场强度 (1.5T和3T) 的细分一致性.
主要方法:
- 利用深度学习技术与人类在循环中的大脑结构细分.
- 分析了来自相同和不同类型扫描仪的MRI扫描的体积细分一致性.
- 在1.5T和3TMRI扫描仪之间比较细分性能.
主要成果:
- 当使用相同的扫描器类型 (1.5T-1.5T或3T-3T) 时,观察到体积细分的高一致性.
- 与独立使用的3T扫描仪相比,1.5T扫描仪的细分结果略有改善.
- 1.5T和3T扫描仪之间的交叉比较显示一致性略有降低,表明磁场强度的影响.
结论:
- 基于深度学习的细分在扫描器类型和协议一致时显示出高可重复性.
- 一致的扫描仪类型和协议对于可靠的MRI研究至关重要,特别是对大脑缩的监测.
- 这些发现支持深度学习细分在标准化条件下的临床和研究应用的有效性.
